生成具有维度情感标注的近红外面部表情数据集
计算机视觉与模式识别
2022-06-29 v1
摘要
面部表情分析长期以来是计算机视觉的活跃研究领域。传统方法主要分析原型离散情绪图像，因而无法准确刻画人类复杂的情绪状态。此外，光照变化在可见光谱的人脸分析中仍具挑战。为解决这些问题，我们提出采用基于效价与唤醒度的维度模型来表示更广范围的情绪，并结合对照明变化更具鲁棒性的近红外（NIR）图像。由于现有带效价-唤醒度标注的 NIR 面部表情数据集尚缺，我们提出两种互补的数据增强方法（人脸变形与 CycleGAN 方法），从现有的类别化和/或可见光数据集中创建带维度情感标注的 NIR 图像数据集。实验表明，这些生成的 NIR 数据集在数据质量与基线预测性能上可与现有数据集媲美。
引用
@article{arxiv.2206.13887,
title = {Generating near-infrared facial expression datasets with dimensional affect labels},
author = {Calvin Chen and Stefan Winkler},
journal= {arXiv preprint arXiv:2206.13887},
year = {2022}
}